vllm-project/vllm

移除 LoRA 测试对 BaiChuan 模型的直接依赖

可快速合并。该 PR 是良好的测试优化实践，适合作为代码整洁和维护性改进的参考。

修复非全分片 LoRA 在 TP>1 时的 all_gather 错误

值得精读。此 PR 展示了 LoRA 层中 TP 通信与分片策略的精细交互，是一个典型的数据竞争 bug 的修复案例。`_mcp_apply` 的条件化 all_gather 设计和 `apply` 方法的路由调整值得关注。

修复Responses API多轮对话中推理消息未正确丢弃

建议关注`render_for_completion`的改动与新增测试，理解如何跨API共享逻辑并精确控制库默认行为。该PR是一个典型的bugfix + cleanup示例，展示了修复多路径不一致问题的策略。

为 PowerPC 架构启用 fp16 推理支持

值得精读，尤其是 `fp16_to_fp32_bits` 和 `fp32_to_fp16_bits` 的向量化实现，展示了如何在缺乏硬件 fp16 支持的平台上用软件模拟，设计模式可复用。此外，`cpu_types_vsx.hpp` 中为 PowerPC 定义的向量类型体系也值得关注。

过滤Pydantic内部标记，清理错误响应param字段

值得精读。该PR展示了如何在不破坏功能的前提下有策略地过滤内部实现细节，其维护注释方法（区分结构自动检测和手动列表）对其他需要屏蔽内部标记的场景有参考价值。

修复Responses API助手消息字符串内容解析错误

建议阅读本PR，特别是`protocol.py`中`input_item_parsing`的改动模式。它展示了在Pydantic强制转换前增加类型守卫以绕过验证错误的典型手法。同时关注讨论中关于缺少模型定义的思考，提示团队后续需重构以消除对字典的依赖。

修复 swap_blocks_batch 在默认流上的 CUDA 错误

建议阅读 `csrc/libtorch_stable/cache_kernels.cu` 中的 stream 检查逻辑，可作为处理 CUDA stream 兼容性问题的参考模式。对于使用 KV offload 功能或自定义 CUDA stream 的应用场景，此修复是必要的。

为二级层级添加指标定义与统计收集管道

建议阅读 spec.py 和 manager.py 中的聚合模式，它展示了如何在分层系统中组合子组件的指标。factory.py 中提取公共方法 get_tier_class 的实践也值得参考。测试中的 MetricsSecondaryTierManager 可作为实现自定义层级时的模板。